关于SQL SERVER建立索引需要注意的问题

 

---- 人们在使用 SQL 时往往会陷入一个误区，即太关注于所得的结果是否正确，而忽略了不同的实现方法之间可能存在的
性能差异，这种性能差异在大型的或是复杂的数据库环境中（如联机事务处理 OLTP 或决策支持系统 DSS ）中表现得尤为明
显。笔者在工作实践中发现，不良的 SQL 往往来自于不恰当的索引设计、不充份的连接条件和不可优化的 where 子句。在对
它们进行适当的优化后，其运行速度有了明显地提高！下面我将从这三个方面分别进行总结：

---- 为了更直观地说明问题，所有实例中的 SQL 运行时间均经过测试，不超过１秒的均表示为（ < 1 秒）。

---- 测试环境 --
---- 主机： HP LH II
---- 主频： 330MHZ
---- 内存： 128 兆
---- 操作系统： Operserver5.0.4
---- 数据库： Sybase11.0.3

一、不合理的索引设计
---- 例：表 record 有 620000 行，试看在不同的索引下，下面几个 SQL 的运行情况：
---- 1. 在 date 上建有一个非群集索引

select count(*) from record where date >'19991201' and date < '19991214'and amount >2000 (25 秒 )
select date,sum(amount) from record group by date(55 秒 )
select count(*) from record where date >'19990901' and place in ('BJ','SH') (27 秒 )

---- 分析：
----date 上有大量的重复值，在非群集索引下，数据在物理上随机存放在数据页上，在范围查找时，必须执行一次表扫描才能找到这一范围内的全部行。

---- 2. 在 date 上的一个群集索引

select count(*) from record where date >'19991201' and date < '19991214' and amount >2000 （ 14 秒）
select date,sum(amount) from record group by date （ 28 秒）
select count(*) from record where date >'19990901' and place in ('BJ','SH') （ 14 秒）

---- 分析：
---- 在群集索引下，数据在物理上按顺序在数据页上，重复值也排列在一起，因而在范围查找时，可以先找到这个范围的起末点，且只在这个范围内扫描数据页，避免了大范围扫描，提高了查询速度。

---- 3. 在 place ， date ， amount 上的组合索引

select count(*) from record where date >'19991201' and date < '19991214' and amount >2000 （ 26 秒）
select date,sum(amount) from record group by date （ 27 秒）
select count(*) from record where date >'19990901' and place in ('BJ, 'SH') （ < 1 秒）

---- 分析：
---- 这是一个不很合理的组合索引，因为它的前导列是 place ，第一和第二条 SQL 没有引用 place ，因此也没有利用上索引；第三个 SQL 使用了 place ，且引用的所有列都包含在组合索引中，形成了索引覆盖，所以它的速度是非常快的。

---- 4. 在 date ， place ， amount 上的组合索引
select count(*) from record where date >'19991201' and date < '19991214' and amount >2000(< 1 秒 )
select date,sum(amount) from record group by date （ 11 秒）
select count(*) from record where date >'19990901' and place in ('BJ','SH') （ < 1 秒）

---- 分析：
---- 这是一个合理的组合索引。它将 date 作为前导列，使每个 SQL 都可以利用索引，并且在第一和第三个 SQL 中形成了索引覆盖，因而性能达到了最优

---- 5. 总结：

---- 缺省情况下建立的索引是非群集索引，但有时它并不是最佳的；合理的索引设计要建立在对各种查询的分析和预测
上。一般来说：

---- ① . 有大量重复值、且经常有范围查询

（ between, >,< ， >=,< = ）和 order by
、 group by 发生的列，可考虑建立群集索引；

---- ② . 经常同时存取多列，且每列都含有重复值可考虑建立组合索引；

---- ③ . 组合索引要尽量使关键查询形成索引覆盖，其前导列一定是使用最频繁的列。

二、不充份的连接条件：
---- 例：表 card 有 7896 行，在 card_no 上有一个非聚集索引，表 account 有 191122 行，在 account_no 上有一个非聚集索引，试看在不同的表连接条件下，两个 SQL 的执行情况：

select sum(a.amount) from account a,card b where a.card_no = b.card_no （ 20 秒）

---- 将 SQL 改为：
select sum(a.amount) from account a,card b where a.card_no = b.card_no and a.account_no=b.account_no （ < 1 秒）

---- 分析：
---- 在第一个连接条件下，最佳查询方案是将 account 作外层表， card 作内层表，利用 card 上的索引，其 I/O 次数可由以下公式估算为：

---- 外层表 account 上的 22541 页 + （外层表 account 的 191122 行 * 内层表 card 上对应外层表第一行所要查找的 3 页） =595907 次 I/O

---- 在第二个连接条件下，最佳查询方案是将 card 作外层表， account 作内层表，利用 account 上的索引，其 I/O 次数可由以下公式估算为：

---- 外层表 card 上的 1944 页 + （外层表 card 的 7896 行 * 内层表 account 上对应外层表每一行所要查找的 4 页） = 33528 次 I/O

---- 可见，只有充份的连接条件，真正的最佳方案才会被执行。

---- 总结：

---- 1. 多表操作在被实际执行前，查询优化器会根据连接条件，列出几组可能的连接方案并从中找出系统开销最小的最佳方案。连接条件要充份考虑带有索引的表、行数多的表；内外表的选择可由公式：外层表中的匹配行数 * 内层表中每一次查找的次数确定，乘积最小为最佳方案。

---- 2. 查看执行方案的方法 -- 用 set showplanon ，打开 showplan 选项，就可以看到连接顺序、使用何种索引的信息；想
看更详细的信息，需用 sa 角色执行 dbcc(3604,310,302) 。

三、不可优化的 where 子句
---- 1. 例：下列 SQL 条件语句中的列都建有恰当的索引，但执行速度却非常慢：

select * from record where substring(card_no,1,4)='5378'(13 秒 )
select * from record where amount/30< 1000 （ 11 秒）
select * from record where convert(char(10),date,112)='19991201' （ 10 秒）

---- 分析：
---- where 子句中对列的任何操作结果都是在 SQL 运行时逐列计算得到的，因此它不得不进行表搜索，而没有使用该列上面的索引；如果这些结果在查询编译时就能得到，那么就可以被 SQL 优化器优化，使用索引，避免表搜索，因此将 SQL 重写成
下面这样：

select * from record where card_no like '5378%' （ < 1 秒）
select * from record where amount < 1000*30 （ < 1 秒）
select * from record where date= '1999/12/01' （ < 1 秒）

---- 你会发现 SQL 明显快起来！

---- 2. 例：表 stuff 有 200000 行， id_no 上有非群集索引，请看下面这个 SQL

select count(*) from stuff where id_no in('0','1') （23秒）

---- 分析：
---- where条件中的'in'在逻辑上相当于'or'，所以语法分析器会将in ('0','1')转化为id_no ='0' or id_no='1'来执行。我们期望它会根据每个or子句分别查找，再将结果相加，这样可以利用id_no上的索引；但实际上（根据showplan）,它却采用了"OR策略"，即先取出满足每个or子句的行，存入临时数据库的工作表中，再建立唯一索引以去掉重复行，最后从这个临时表中计算结果。因此，实际过程没有利用id_no上索引，并且完成时间还要受tempdb数据库性能的影响。

---- 实践证明，表的行数越多，工作表的性能就越差，当stuff有620000行时，执行时间竟达到220秒！还不如将or子句分
开：

select count(*) from stuff where id_no='0'
select count(*) from stuff where id_no='1'

---- 得到两个结果，再作一次加法合算。因为每句都使用了索引，执行时间只有3秒，在620000行下，时间也只有4秒。或者，用更好的方法，写一个简单的存储过程：
create proc count_stuff as
declare @a int
declare @b int
declare @c int
declare @d char(10)
begin
select @a=count(*) from stuff where id_no='0'
select @b=count(*) from stuff where id_no='1'
end
select @c=@a+@b
select @d=convert(char(10),@c)
print @d

---- 直接算出结果，执行时间同上面一样快！
---- 总结：

---- 可见，所谓优化即where子句利用了索引，不可优化即发生了表扫描或额外开销。

---- 1.任何对列的操作都将导致表扫描，它包括数据库函数、计算表达式等等，查询时要尽可能将操作移至等号右边。

---- 2.in、or子句常会使用工作表，使索引失效；如果不产生大量重复值，可以考虑把子句拆开；拆开的子句中应该包含索引。

---- 3.要善于使用存储过程，它使SQL变得更加灵活和高效。

---- 从以上这些例子可以看出， SQL 优化的实质就是在结果正确的前提下，用优化器可
以识别的语句，充份利用索引，减少表扫描的 I/O 次数，尽量避免表搜索的发生。其实 S
QL 的性能优化是一个复杂的过程，上述这些只是在应用层次的一种体现，深入研究还会
涉及数据库层的资源配置、网络层的流量控制以及操作系统层的总体设计。

1 ．合理使用索引
索引是数据库中重要的数据结构，它的根本目的就是为了提高查询效率。现在大多数的数据库产品都采用 IBM 最先提出的 ISAM 索引结构。索引的使用要恰到好处，其使用原则如下：
● 在经常进行连接，但是没有指定为外键的列上建立索引，而不经常连接的字段则由优化器自动生成索引。
● 在频繁进行排序或分组（即进行 group by 或 order by 操作）的列上建立索引。
● 在条件表达式中经常用到的不同值较多的列上建立检索，在不同值少的列上不要建立索引。比如在雇员表的 “ 性别 ” 列上只有 “ 男 ” 与 “ 女 ” 两个不同值，因此就无必要建立索引。如果建立索引不但不会提高查询效率，反而会严重降低更新速度。
● 如果待排序的列有多个，可以在这些列上建立复合索引（ compound index ）。
● 使用系统工具。如 Informix 数据库有一个 tbcheck 工具，可以在可疑的索引上进行检查。在一些数据库服务器上，索引可能失效或者因为频繁操作而使得读取效率降低，如果一个使用索引的查询不明不白地慢下来，可以试着用 tbcheck 工具检查索引的完整性，必要时进行修复。另外，当数据库表更新大量数据后，删除并重建索引可以提高查询速度。

2 ．避免或简化排序
应当简化或避免对大型表进行重复的排序。当能够利用索引自动以适当的次序产生输出时，优化器就避免了排序的步骤。以下是一些影响因素：
● 索引中不包括一个或几个待排序的列；
●group by 或 order by 子句中列的次序与索引的次序不一样；
● 排序的列来自不同的表。
为了避免不必要的排序，就要正确地增建索引，合理地合并数据库表（尽管有时可能影响表的规范化，但相对于效率的提高是值得的）。如果排序不可避免，那么应当试图简化它，如缩小排序的列的范围等。

3 ．消除对大型表行数据的顺序存取
在嵌套查询中，对表的顺序存取对查询效率可能产生致命的影响。比如采用顺序存取策略，一个嵌套 3 层的查询，如果每层都查询 1000 行，那么这个查询就要查询 10 亿行数据。避免这种情况的主要方法就是对连接的列进行索引。例如，两个表：学生表（学号、姓名、年龄 …… ）和选课表（学号、课程号、成绩）。如果两个表要做连接，就要在 “ 学号 ” 这个连接字段上建立索引。
还可以使用并集来避免顺序存取。尽管在所有的检查列上都有索引，但某些形式的 where 子句强迫优化器使用顺序存取。下面的查询将强迫对 orders 表执行顺序操作：
SELECT ＊ FROM orders WHERE (customer_num=104 AND order_num>1001) OR order_num=1008
虽然在 customer_num 和 order_num 上建有索引，但是在上面的语句中优化器还是使用顺序存取路径扫描整个表。因为这个语句要检索的是分离的行的集合，所以应该改为如下语句：
SELECT ＊ FROM orders WHERE customer_num=104 AND order_num>1001
UNION
SELECT ＊ FROM orders WHERE order_num=1008
这样就能利用索引路径处理查询。

4 ．避免相关子查询
一个列的标签同时在主查询和 where 子句中的查询中出现，那么很可能当主查询中的列值改变之后，子查询必须重新查询一次。查询嵌套层次越多，效率越低，因此应当尽量避免子查询。如果子查询不可避免，那么要在子查询中过滤掉尽可能多的行。

5 ．避免困难的正规表达式
MATCHES 和 LIKE 关键字支持通配符匹配，技术上叫正规表达式。但这种匹配特别耗费时间。例如： SELECT ＊ FROM customer WHERE zipcode LIKE “98_ _ _”
即使在 zipcode 字段上建立了索引，在这种情况下也还是采用顺序扫描的方式。如果把语句改为 SELECT ＊ FROM customer WHERE zipcode >“98000” ，在执行查询时就会利用索引来查询，显然会大大提高速度。
另外，还要避免非开始的子串。例如语句： SELECT ＊ FROM customer WHERE zipcode[2 ， 3] >“80” ，在 where 子句中采用了非开始子串，因而这个语句也不会使用索引。

6 ．使用临时表加速查询
把表的一个子集进行排序并创建临时表，有时能加速查询。它有助于避免多重排序操作，而且在其他方面还能简化优化器的工作。例如：
SELECT cust.name ， rcvbles.balance ， ……other columns
FROM cust ， rcvbles
WHERE cust.customer_id = rcvlbes.customer_id
AND rcvblls.balance>0
AND cust.postcode>“98000”
ORDER BY cust.name
如果这个查询要被执行多次而不止一次，可以把所有未付款的客户找出来放在一个临时文件中，并按客户的名字进行排序：
SELECT cust.name ， rcvbles.balance ， ……other columns
FROM cust ， rcvbles
WHERE cust.customer_id = rcvlbes.customer_id
AND rcvblls.balance>0
ORDER BY cust.name
INTO TEMP cust_with_balance
然后以下面的方式在临时表中查询：
SELECT ＊ FROM cust_with_balance
WHERE postcode>“98000”
临时表中的行要比主表中的行少，而且物理顺序就是所要求的顺序，减少了磁盘 I/O ，所以查询工作量可以得到大幅减少。
注意：临时表创建后不会反映主表的修改。在主表中数据频繁修改的情况下，注意不要丢失数据。

7 ．用排序来取代非顺序存取
非顺序磁盘存取是最慢的操作，表现在磁盘存取臂的来回移动。 SQL 语句隐藏了这一情况，使得我们在写应用程序时很容易写出要求存取大量非顺序页的查询。
有些时候，用数据库的排序能力来替代非顺序的存取能改进查询。

查询优化

记住这样的原则 .
1.
对字段的计算会引起全表扫描 .
所以 , 能用 :
select * from 表 where 字段 =1
就不要用 :
select * from 表 where 字段 -1=0

2.
必要的索引对提高数据处理速度很重要 . 因此 , 对于经常要排序 , 进行条件比较的字段 , 要建立索引 .( 注意区分复合索引和单独索引 )

3.
善于利用存储过程 / 视图 , 化繁为简

4.
对于不能确定效率的查询分析语句 , 将它复制到查询分析器中 . 按 Ctrl+L 进行分析 .
看看它的执行要经过那些步骤 .
每个步骤的执行时间大慨需要占用的时间百分比 .
在进行表扫描的步骤中 , 是否利用上了你创建的索引 .
如果还有其他查询方法 , 再分析其他查询方法 , 通过比较确定最优的查询方法 .